粗略理解：
典型的技術路線是：目標分割 ——>目標檢測 ——>目標識別 ——>目標跟蹤
ot與od到底啥區別
最大的區別我覺得ot只給了第一幀的gt基於od的目標跟蹤演算法計算非常昂貴，需要對每幀畫面進行檢測，才能得到目標的運動軌跡。而且，只能追蹤已知的目標，因為目標檢測演算法就只能實現已知類別的定位識別。
因此，od要求定位+分類。而目標跟蹤，分類只是乙個可選項，根據具體問題而定，我們可以完全不在乎跟蹤的目標是什麼，只在乎它的運動特徵。實際中，目標檢測可以通過目標跟蹤來加速，然後再間隔一些幀進行分類（好幾幀進行一次分類）。在乙個慢點的執行緒上尋找目標並鎖定，然後在快的執行緒上進行目標跟蹤，執行更快。
目標檢測與目標識別
目標識別 objec recognition 是指明一幅輸入影象中包含哪類目標。其輸入為一幅影象，輸出是該影象中的目標屬於哪個類別 class probability 目標檢測 object detection 除了要告訴輸入影象中包含哪類目標外，還要框出該目標的具體位置 bounding boxe...
深度學習之目標檢測與目標識別
目前可以將現有的基於深度學習的目標檢測與識別演算法大致分為以下 三大類 基於區域建議的目標檢測與識別演算法，如r cnn,fast r cnn,faster r cnn 基於回歸的目標檢測與識別演算法，如yolo,ssd 基於搜尋的目標檢測與識別演算法，如基於視覺注意的attentionnet，基於...
特徵匹配和目標識別
include include include using namespace std using namespace cv mat g src1,g src2 char input win input image int minhessian 400 定義最小海森矩陣 intmain ptrdet...